Question

我在Node.js运行的程序中有一个for循环。该函数是来自xray包的x（），我用它来从网页中抓取和接收数据，然后将该数据写入文件。这个程序成功用于刮掉~100页，但我需要刮掉~10000页。当我尝试刮取大量页面时，会创建文件但不保存任何数据。我相信这个问题的存在是因为for循环不等待x（）在继续下一次迭代之前返回数据。

有没有办法让节点等待x（）函数完成才能继续下一次迭代？

//takes in file of urls, 1 on each line, and splits them into an array. 
//Then scrapes webpages and writes content to a file named for the pmid number that represents the study
 
//split urls into arrays
var fs = require('fs');
var array = fs.readFileSync('Desktop/formatted_urls.txt').toString().split("\n");


var Xray = require('x-ray');
var x = new Xray();
 
for(i in array){
        //get unique number and url from the array to be put into the text file name
                number = array[i].substring(35);
                url = array[i];


        //use .write function of x from xray to write the info to a file
        x(url, 'css selectors').write('filepath' + number + '.txt');
                               
}

注意：我正在抓取的某些页面不会返回任何值

Answer 1

您无法使for循环等待异步操作完成。要解决此类问题，您必须进行手动迭代，并且需要挂钩到异步操作的完成函数。以下是有关如何运作的概述：

var index = 0;
function next() {
    if (index < array.length) {
        x(url, ....)(function(err, data) {
            ++index;
            next();
        });
    }
}
next();

或者，或许这个;

var index = 0;
function next() {
    if (index < array.length) {
        var url = array[index];
        var number = array[i].substring(35);
        x(url, 'css selectors').write('filepath' + number + '.txt').on('end', function() {
            ++index;
            next() 
        });
    }
}
next();

Answer 2

您的代码存在的问题是您没有等待将文件写入文件系统。比逐个下载文件更好的方法是一次性完成它们，然后等到它们完成，而不是逐个处理它们，然后继续下一个。

在nodejs中处理promises的推荐库之一是bluebird。

http://bluebirdjs.com/docs/getting-started.html

在更新的示例（见下文）中，我们遍历所有网址并开始下载，并跟踪承诺，然后在编写文件后，每个承诺都会得到解决。最后，我们只是等待所有承诺使用Promise.all（）

解决

这是更新后的代码：

var promises = [];
var getDownloadPromise = function(url, number){
    return new Promise(function(resolve){
        x(url, 'css selectors').write('filepath' + number + '.txt').on('finish', function(){
            console.log('Completed ' + url);
            resolve();
        });
    });
};

for(i in array){
    number = array[i].substring(35);
    url = array[i];

    promises.push(getDownloadPromise(url, number));                               
}

Promise.all(promises).then(function(){
    console.log('All urls have been completed');
});

Node.js强制等待函数完成

2 个答案: